Você está na página 1de 62

Professor Joselias Santos da Silva

Estatística

Capitulo 1

CONCEITOS BÁSICOS

A estatística constitui uma parte da matemática aplicada

que tem como finalidade obter conclusões sobre os verda- deiros parâmetros do universo, utilizando para isso a cole-

ta, a organização, a descrição, a análise e a interpretação dos dados.

É o ramo da estatística que se preocupa apenas em des-

crever os dados observados da amostra, sem se preocu- par em fazer previsões sobre os parâmetros do universo. Na estatística descritiva temos a coleta, organização e descrição dos dados.

A estatística inferencial ou estatística indutiva é a parte

mais importante da estatística, pois é a inferência estatís-

tica que permite a análise e a interpretação dos dados atra- vés de estimativas de parâmetros do universo.

É qualquer conjunto de elementos ou indivíduos, com pelo

menos uma característica comum ao objeto em estudo.

Exemplo:

A população de alturas dos candidatos ao concurso de

AFRF/2000;

A população de escolas de estatística no Brasil em 2000;

A população de computadores em São Paulo.

A

população pode ser dita finita ou infinita conforme o nú-

mero de elementos que possui. Por exemplo a população dos pesos dos candidatos ao concurso do ICMS/2002 é finita. Porém se cada aluno é sorteado e recolocado no conjunto para novo sorteio, teríamos a população de pesos infinita.

Na prática consideramos como infinitas

ções com número de elementos muito grande.

aquelas popula-

O censo é o processo que consiste no exame de todos os

elementos da população.

Na prática, a coleta de dados sobre a população requer:

I

— Disponibilidade de tempo

III

— Precisão dos dados coletados

III

— Recursos financeiros

IV

— Planejamento das etapas de coleta

Portanto, são muitas as dificuldades para a realização de um censo, logo, nos geralmente utilizamos os processos de amostragem.

Amostra é qualquer subconjunto não vazio da população.

Para a seleção da amostra devemos tomar cuidado para que a amostra seja representativa da população, conside- rando a aleatoriedade da seleção e o tamanho da amostra.

Experimentos Aleatórios são aqueles que, repetidos nas mes- mas condições, produzem resultados possíveis e diferentes.

Exemplo:

O lançamento de uma moeda honesta várias vezes nas

mesmas condições, produz cara ou coroa como resultado,

que só pode ser conhecido após o lançamento.

Quando o resultado do experimento já está determinado antes de sua realização, portanto não interessa ao estudo da Estatística.

Capítulo 2

DISTRIBUIÇÃO DE FREQÜÊNCIA

Dados estatísticos são todas as informações levantadas (coletadas) que servirão como base para o estudo e aná- lise estatística e que chamaremos de Dados.

Dados Brutos são dados inicialmente coletados que ainda não foram organizados sistematicamente.

Rol é qualquer arranjo de dados brutos em ordem cres- cente ou decrescente.

A Distribuição de Freqüência é uma disposição de dados

numéricos, de acordo com o tamanho ou magnitude dos mesmos.

Neste tipo de série não variam local, tempo e o fato.

A distribuição de freqüência pode ser apresentada por va- lor (único) ou por grupo de escalares (classes), discrimi- nando a freqüência dos mesmos.

Estatística

Professor Joselias Santos da Silva

Exemplo:

a) Distribuição de freqüência por valor:

título
título

NOTAS DOS APROVADOS NO AFRF/2000-SP

NOTAS

FREQÜÊNCIAS

 
 

0 2

 

1 4

2 5

3 4

4 8

4 8

5 3

6 9

7 5

8 2

9 8

TOTAL

50

cabeçalho
cabeçalho
FONTE: ALUNO rodapé b) Distribuição de freqüência por classe: NOTAS DOS APROVADOS NO AFRF/2000-SP NOTAS
FONTE: ALUNO
rodapé
b)
Distribuição de freqüência por classe:
NOTAS DOS APROVADOS NO AFRF/2000-SP
NOTAS
FREQÜÊNCIAS
0
20
10
20
40
15
classes
40
60
50
60
80
20
80
100
5
TOTAL
100
FONTE: ALUNO
Obs.:
E —––| I
I
|—–– E
I
|—––| I
E
Excluindo
E
–––– E
I
Incluindo

A Tabela abaixo representa as notas de100 alunos apro- vados no concurso de AFTN/94 em São Paulo.

NOTAS DOS ALUNOS APROVADOS NO CONCURSO

AFTN/94-SP

NOTAS

f

X

Freq. Acumuladas

F

F

r (%)

i

Abaixo de

A partir de

r

0

20

10

10

10

100

0,10

 

10%

20

40

15

30

25

90

0,15

15%

40

60

50

50

75

75

0,50

50%

60

80

20

70

95

25

0,20

20%

80

100

5

90

100

5

0,05

5%

TOTAL

100

 

1,00

 

100%

Descrevemos a seguir cada coluna:

a) Classe de Freqüência

As classes de freqüência são os intervalos em que a variável nota foi agrupada.

Exemplo:

0 20 - representa as notas desde 0 até quase 20

b) Limites de uma Classe ( I , L S )

Os limites de classe são os valores ínfimo e supremo da classe, sendo que o limite inferior ( I ) o ínfimo da

classe e limite superior ( L S ) o supremo da classe.

Assim teremos:

O

limite inferior da 2ª classe é 20

O

limite superior da 3ª classe é 60

c) Intervalo de classe (amplitude de classe) – h

É a diferença entre o limite superior real da classe e o

limite inferior real da classe.

h = L S I

Obs: Quando o limite inferior da classe coincide com o limite superior da classe anterior, ele é cha- mado de limite real. Caso contrário será cha- mado de limite aparente, e o limite real será a

média aritmética entre eles.

d) Amplitude Total ( AT )

É a diferença entre o maior valor e o menor valor da

amostra.

No exemplo acima: AT = 100 – 0 = 100.

e) Ponto médio da classe

É a média aritmética entre o limite inferior real e o limite

superior real

X i = I + L S

2

f) Freqüência absoluta simples ( f i )

Freqüência absoluta é o número de observações que

ocorreram em determinada classe.

No exemplo acima a Freqüência absoluta ou simples- mente Freqüência da 3ª classe é 50.

Professor Joselias Santos da Silva

Estatística

g) Freqüência Total ( N )

A Freqüência total é a soma de todas as freqüências

absolutas.

k

N

= f

i

 

i

= 1

onde

{

k nº de classes

f i Freqüência absoluta da i-ésima classe

N Freqüência total.

h) Freqüências Acumuladas

Freqüência Acumulada Crescente ( ou Freqüência acu-

mulada “abaixo de”, ou Freqüência acumulada “até”)

que representaremos por

+

AC

F

é a soma das freqüênci-

as absolutas anteriores de uma determinada classe.

Por exemplo, na tabela acima, a Freqüência acumula- da crescente da 3ª classe é a Freqüência acumulada abaixo de 60 que é 10 + 15 + 50 = 75.

60) poderíamos falar

Como a classe é do tipo (40

em Freqüência acumulada crescente como sendo a Fre- qüência acumulada até 60, que é: 10 + 15 + 50 = 75.

é

Freqüência Acumulada Decrescente (ou Freqüência acu- mulada “a partir de”, ou Freqüência acumulada “acima de”)

F

AC

que representaríamos por

absolutas acima de determinado valor de classe.

a soma das freqüências

Assim, a Freqüência acumulada decrescente de 3ª clas- se é a Freqüência acumulada a partir de 40, que dá 75.

60) poderíamos falar

em freqüência acumu-lada decrescente como sendo freqüência acumulada decrescente acima 40, seria:

50 + 20 + 5 = 75

Se a classe fosse do tipo (40

i) Freqüência Relativa ( f r )

É a razão entre a Freqüência absoluta e a Freqüência

total

f

N

i

f

i

f

i

f

r =

ou

f

r

=

Portanto, a Freqüência relativa da 4ª classe é

20

100

= 0,20

, podemos repre-sentar a Freqüência re-

lativa em porcentagem que seria 20% e a somatória da freqüência absoluta igual a 1ou 100%

NORMAS PARA APRESENTAÇÃO TABULAR DE DADOS

A apresentação tabular é a apresentação dos dados (ou resultados) de determinado assunto de modo sintético a fim de se obter uma visão global do que vamos analisar.

Exemplo:

Título

CANDIDATOS APROVADOS NO AFRF/2000 POR ESTA- DO DO BRASIL

Cabeçalho

ESTADOS

CANDIDATOS

MARANHÃO

50

 

PIAUÍ

100

CEARÁ

120

R.

G. DO NORTE

40

PARAÍBA

110

Corpo

MINAS GERAIS

80

SÃO PAULO

200

RIO DE JANEIRO

250

R.

G. DO SUL

50

TOTAL

1000

Rodapé

FONTE : CURSO PRÉ-FISCAL

 

SÉRIES ESTATÍSTICAS

Chamamos de série estatística ao quadro de distribuição de dados estatísticas em função da época, do local ou da espécie do fenômeno.

Sendo assim teremos:

a) série histórica, ou temporal, ou cronológica

Aquela em que a variável é o tempo, permanecendo fixos o local e a espécie do fenômeno.

Exemplo:

EXPORTAÇÕES BRASILEIRAS DE CARROS ENTRE

1997-2001

ANOS

VALOR (US$ 1 MILHÃO)

1997

100

1999

200

1999

400

2000

500

2001

300

FONTE: BANCO DO BRASIL

Estatística

Professor Joselias Santos da Silva

b) Série territorial, ou geográfica, ou de localização

Aquela em que a variável é o local, permanecendo fi- xos o tempo e a espécie do fenômeno.

Exemplo:

EXPORTAÇÕES BRASILEIRAS — 2000

PAÍSES DE DESTINO

VALOR (US$ 1 MILHÃO)

ESTADOS UNIDOS

200

CANADÁ

100

ALEMANHA

150

ITÁLIA

100

INGLATERRA

300

FONTE: BANCO DO BRASIL

c) Série categoria, ou específica

Aquela em que variam as espécies ou categórica do fenômeno mantendo-se fixos o tempo e o local.

Exemplo:

REBANHO BRASILEIRO

ESPÉCIE

QUANTIDADE (1.000 CABEÇAS)

BOVINOS

5.000

SUÍNOS

9.000

OVINOS

2.000

CAPRINOS

1.000

FONTE: MINISTÉRIO DA ECONOMIA

d) Série conjugada

Chamamos de séries conjugadas aquelas onde são cru- zados 2 (dois) ou mais tipos de séries, podendo ter, assim, duas ou mais entradas.

Exemplo:

POPULAÇÃO DE CÃES BRASILEIROS (100 UNIDADES)

UNID. DA FEDERAÇÃO

 

ANOS

 
 

1998

1999

2000

2001

AMAZONAS

100

150

200

90

MARANHÃO

30

400

300

350

-----------------

------

-----

------

------

-----------------

------

-----

------

------

SÃO PAULO

 

195

   

------

------

-----------------

------

------

------

------

-----------------

------

------

------

------

-----------------

------

------

------

------

------------------

------

------

------

------

FONTE: IBGE

A tabela acima é chamada de dupla entrada, pois po- demos consultá-la no sentido horizontal ou no sentido vertical.

REPRESENTAÇÃO GRÁFICA

Primeiramente veremos a representação gráfica de uma distribuição de Freqüência.

a) Histograma

É a representação gráfica de uma distribuição de Fre-

qüência através de retângulos justapostos de forma que a área de cada retângulo é proporcional à Freqüên- cia da classe que ele representa e as bases de cada retângulo iguais às amplitudes das classes que elas

representam.

Exemplo:

Seja a distribuição de freqüência:

 

CLASSES

 

f

i

X

i

F

AC

+

 

F AC

0

——

5

 

10

 

2,5

 

10

 

130

5

——

6

20

5,5

30

120

6

——

7

40

6,5

70

100

7

——

8

20

7,5

90

60

8

——

9

10

8,5

100

 

40

9

—— 10

30

9,5

130

30

 

Total

130

       
 

Então teremos o histograma:

 
 
 

40

 

30

       

20

     

10

         
     
 

0

 

5

6

7

8

9

10

 
  0   5 6 7 8 9 10   classes b) Polígono de freqüência É

classes

b) Polígono de freqüência

É o gráfico obtido quando se une os pontos médios

das bases superiores dos retângulos de um histograma,

através de segmentos de retas consecutivos

Exemplo:

O polígono de Freqüência no exemplo anterior seria:

40 30 20 10 0 2,5 5 5,5 6 6,5 7 7,5 8 8,5 9
40
30
20
10
0
2,5
5
5,5
6
6,5
7
7,5
8
8,5
9
9,5 10
classes

Professor Joselias Santos da Silva

Estatística

obs: Para finalmente fechar o polígono de Freqüência devemos unir os pontos do polígono aos pontos mé- dios das classes anterior e posterior supostas, até atingir os limites e superfícies correspondentes.

c) Ogivas Crescentes É o gráfico construído através da freqüência acumula- da crescente. . 130
c)
Ogivas Crescentes
É o gráfico construído através da freqüência acumula-
da crescente.
.
130
100
90
70
30
10
0 5
6
7
8
9
10
classes

c) Ogivas Decrescentes É o gráfico construído através da freqüência acumula- da decrescente.

130 120 100 60 40 30 0 5 6 7 8 9 10 classes
130
120
100
60
40
30
0 5
6
7
8
9
10
classes

Obs.: Orgivas Crescentes e Decrescentes se cruzam na mediana.

Estatística

Professor Joselias Santos da Silva

a) Gráfico de Barras (ou colunas) São gráficos que utilizam barras horizontais ou verticais para representar a magnitude dos dados estatísticos.

Exemplo:

Produção de carros 2000 - São Paulo

Espécie

Produção (mil)

Caminhão

1.000

Fusca

10.000

Gol

4.000

BMW

1.000

10.000 4.000 1.000 1.000 Caminhão Fusca Gol BMW
10.000
4.000
1.000
1.000
Caminhão
Fusca
Gol
BMW

Obs.: Pode também ser feito na vertical.

b) Gráficos Pigtóricos

São gráficos que utilizam figuras para representar a magnitude dos dados.

c) Gráficos de Setores

São gráficos que evidenciam uma parte do todo.

Exemplo:

Aprovados no INSS/2002

Estados

Aprovados

RJ

50

SP

500

MG

150

RS

200

CE

100

Modo de Calcular:

RJ 1.000 —– 360º 50 —— X X = 18º

Fonte: ESAF MG CE RS RJ SP
Fonte: ESAF
MG
CE
RS
RJ
SP

Anotações:

Professor Joselias Santos da Silva

Estatística

Capítulo 3

MEDIDAS DE POSIÇÃO

As medidas de posição irão nos mostrar como estão con- centrados os nossos dados.

Essas medidas dividem-se em medidas de tendência cen- tral, que se caracterizam pelo fato dos dados tenderem a se concentrar em valores centrais, e as medidas conheci- das como separatrizes.

Sendo assim teremos:

MEDIDAS

DE

POSIÇÃO

Medidas de tendência Central Separatrizes
Medidas de tendência
Central
Separatrizes

Inicialmente veremos as medidas de tendência central.

Inicialmente veremos as medidas de tendência central. Chamamos de média aritmética a razão entre a soma

Inicialmente veremos as medidas de tendência central. Chamamos de média aritmética a razão entre a soma

Chamamos de média aritmética a razão entre a soma dos dados assumidos pela variável e o número de dados con- siderados.

Sendo assim temos:

n

X

i

X =

i

= 1

n

onde:

Obs:

X

X i

média aritmética

– – os valores observados da variável

n – número de valores

n

Anotação

i

res X i s para i variando de 1 até n. Isto é,

=

X

1

i significa a soma de todos os valo-

i

n

=

X

1

i = X 1 + X 2 + X 3 +

+

X

n

3.2.1 –

MÉDIA ARITMÉTICA PARA DADOS NÃO AGRUPADOS

No caso dos dados não estarem agrupados em uma distri- buição, teremos a fórmula semelhante à da definição.

Exemplo 1:

Sabendo que a produção de pães diária em uma padaria, durante uma semana foi, 105, 102, 108, 104, 106, 107 e 103 pães, temos a produção média da semana como:

105 + 102 + 108 + 104 + 106 + 107 + 103 X =
105
+
102
+
108
+
104
+
106
+
107
+
103
X
=
7
735
X
=
7
X
=
105 pães
Exemplo 2:
O
número de filhos de 5 funcionários de uma empresa é 1,
9,
2, 8 e 0 filhos, temos que a média de filhos, nesse escri-
tório, é
1
+
9
+
2
+
8
+
0
X
=
5
20
X
=
5
X
=
4 filhos

3.2.2 — DESVIO EM RELAÇÃO À MÉDIA ARITMÉTICA

Chamamos de desvio em relação à média aritmética, ou sim- plesmente de desvio em relação à média, a diferença entre cada valor observado da variável e a sua média aritmética.

Isto é,

, X n , os dados observados da va-

riável e X a respectiva média aritmética,

Sendo X 1 , X 2 , X 3 ,

E os desvios em relação a média como sendo:

 

d 1 = X 1

X

d 2 = X 2

X

d 3 = X 3

X

d n = X n

X

Teremos;

 

d

i

=

X

i

X

Onde d i é o desvio do i-ésimo dado em relação à média aritmética.

Estatística

Professor Joselias Santos da Silva

Exemplo 3:

Considerando, o exemplo 1, teremos:

X 1 = 105, X 2 = 102, X 3 = 108, X 4 = 104, X 5 = 106, X 6 = 107, X 7 = 103

X = 105

Então:

d

d

d

d

d

d

d

1 = X 1 – X = 105 –105

2 = X 2 – X = 102 –105

3 = X 3 – X = 108 –105

4 = X 4 – X = 104 –105

5 = X 5 – X = 106 –105

6 = X 6 – X = 107 –105

7 = X 7 – X = 103 –105

Exemplo 4:

d 1 = 0 d 2 = – 3 d 3 = 3 d 4
d 1 =
0
d 2 = – 3
d 3 =
3
d 4 = – 1
d 5 =
1
d 6 =
2
d 7 = – 2

Considerando o exemplo 2 , temos:

X 1 = 1,

X 2 = 9,

d 1 =

X 1

X

d 2 =

d 3 =

X 2 X

X 3

X

d 4 =

X 4 X

d 5 = X 5

X

X 3 = 2,

X 4 = 8,

d 1 = 1 – 4

d 2 = 9 – 4

d 3 = 2 – 4

d 4 = 8 – 4

d 5 =

0 – 4

X 5 = 0 e X = 4 d 1 = – 3 d 2
X 5 = 0
e
X
= 4
d 1 = – 3
d 2 =
5
d 3 = – 2
d 4 =
4
d 5 = – 4

3.2.3 – PROPRIEDADES DA MÉDIA ARITMÉTICA

Salientamos que este ponto é muito freqüente em provas de concursos públicos.

1ª. PROPRIEDADE

A soma de todos os desvios em relação à média aritmética

é sempre igual a zero.

Isto é:

i

n

d

i

= 0

OU

n )

(

X

1

– X

=

1

i

= 1

= 0

Exemplo 5:

Considerando o exemplo 3, temos:

d

d

d

d

d

d

d

1

2

3

4

5

6

7

=

= 3

3

= 1

=

2

=

=

0

1

= 2

4 5 6 7 = = – 3 3 = – 1 = 2 = =

i

7

=

d

1

i

=

0

Exemplo 6:

Considerando o exemplo 4, temos:

d

d

d

d

d

1

2

3

4

5

= 3

=

5

= 2

=

4

= 4

5

i

=

d

1

i

= 0

2ª. PROPRIEDADE

Somando-se (ou subtraindo-se) uma constante (K) a to- dos os valores de uma variável, a nova média aritmética se altera, fica aumentada (ou diminuida) da constante ( K )

Isto é:

Se

Y i = X i ± K

Exemplo 7:

então

Y = X ± K

Suponha que o padeiro do exemplo 1 resolve aumentar a produção diária da sua padaria em mais 10 pães por dia. Assim, temos:

X 1 = 105, X 2 = 102, X 3 = 108, X 4 = 104, X 5 = 106, X 6 = 107, X 7 = 103

aumentando em 10 pães por dia, teríamos:

Y 1 = 115, Y 2 = 112, Y 3 = 118, Y 4 = 114, Y 5 = 116, Y 6 = 117, Y 7 = 113

Observe que Y i =X i + 10, logo

Y = 115 pães
Y = 115 pães

Y =

X

+ 10

Y = 105 + 10

Professor Joselias Santos da Silva

Estatística

Exemplo 8:

Suponhamos que cada funcionário do exemplo 2 tivesse mais 3 filhos, então:

X 1 = 1,

X 2 = 9,

X 3 = 2,

X 4 = 8,

X 5 = 0

Aumentando em mais 3 filhos, cada funcionário, teríamos

Y 1 = 4, Y 2 = 12, Y 3 = 5, Y 4 = 11, Y 5 = 3

Observe que Y i = X i + 3

4 + 3 Y = 7 filhos Y = K◊X X Y = ( K
4 + 3
Y = 7 filhos
Y = K◊X
X
Y =
( K π 0 )
K
Y = 210 pães
X 5 = 0
Y = 12 filhos

= 2 105

X 4 = 8,

Y 4 = 24, Y 5 = 0

Y

= 2 4

Logo

Y

=

X

+ 3

Y

=

3ª. PROPRIEDADE

Multiplicando-se (ou dividindo-se) por uma constante ( K ), todos os valores de uma variável, a nova média aritmética se altera, fica multiplicada (ou dividida) pela constante.

Isto é:

Se Y i = K • X i X i Se Y = i K
Se
Y i = K • X i
X
i
Se
Y
=
i
K
Exemplo 9:

então

então

Suponha que o padeiro gostaria de dobrar a produção diá- ria de pães, então teríamos:

X 1 =105,X 2 =102,X 3 =108,X 4 =104,X 5 =106,X 6 = 107, X 7 =103

dobrando a produção diária, teríamos:

Y 1 = 210, Y 2 = 204, Y 3 = 216, Y 4 = 208, Y 5 = 212, Y 6 = 214, Y 7 = 206

Observe que Y i = 2 X i

Logo

Y = 2 X

Exemplo 10:

Y

Suponhamos que os funcionários do exemplo 2 triplicas- sem o nº de filhos, daí,

X 1 = 1,

X 2 = 9,

X 3 = 2,

Triplicando o nº de filhos, teríamos:

Y 1 = 3,

Y 2 = 27,

Y 3 = 6,

Observe que: Y i = 3 X i

Logo

Y = 3 X

3.3.1- CONSIDERE OS DADOS AGRUPADOS EM

UMA DISTRIBUIÇÃO DE FREQÜÊNCIA ABAIXO:

VALORES (X i )

FREQÜÊNCIA ABSOLUTA (f i )

X

1

 

f

1

X

2

f

2

X

3

f

3

.

.

.

.

.

.

.

.

X

k

f

k

   

K

 

Total

 

f

i

i

=

1

Então a média aritmética da distribuição acima terá a se-

guinte fórmula:

K

X f i i i = 1 X = K f i i = 1
X f
i
i
i
= 1
X =
K
f
i
i
= 1

A partir desse ponto iremos suprimir os índices no sím- bolo de somatório para facilitar a notação, sendo assim, teremos:

X f i i X = f i
X
f
i
i
X =
f
i

ou

X f i i X =
X
f
i
i
X =

N

Exemplo 11:

Consideremos a distribuição do número de filhos de uma determinada classe de alunos

NÚMEROS DE FILHOS ( X i )

ALUNOS ( f i )

0

5

1

10

2

20

3

10

4

5

Total

50

Estatística

Professor Joselias Santos da Silva

Então o método mais fácil de se calcular a média é fazer mais uma coluna X i f i , isto é:

 

X

i

f

i

X i f i

0

 

5

0

1

10

10

2

20

40

3

10

30

4

 

5

20

Total

50

100

Então, temos:

 
X i f = 100 e f = 50, logo i i X i ◊
X i f
= 100
e
f
=
50,
logo
i
i
X
i
f
i
100
X
=
X
=
X
=
2 filhos
50
f
i
Exemplo 12:
Considere as notas de 100 alunos aprovados em concur-
so público.
NOTAS ( X i )
ALUNOS ( f i )
2
15
4
18
6
47
8
15
9
5
Total
100
Então vamos considerar mais uma coluna de X i f i
X
f
i
i
X i f i
2
15
30
4
18
72
6
47
252
8
15
120
9
5
45
Total
100
549
Logo:
X
f
=
549
e
f
=
100,
logo
i
i
i
X
f
i
i
549
X
=
X
=
X
=
5,49
100
f
i

3.3.2 - CONSIDEREMOS AGORA OS DADOS AGRUPADOS ABAIXO CONFORME UMA DISTRIBUIÇÃO DE FREQÜÊNCIA POR CLASSE

 

Classes

 

Freqüências aparentes ( f i )

1

. . . .
.
.
.
.

L

1

 

f

1

2

L

2

f

2

3

L

3

f

3

   

.

.

.

.

k

L

k

f

k

 

Total

 

f

i

Então a média aritmética para a distribuição de freqüência em classe acima terá a seguinte fórmula:

X f i i X = f i
X
f
i
i
X
=
f
i

onde X i — ponto médio da i-ésima classe.

Exemplo 13:

Considere as alturas de 50 indivíduos de uma empresa, conforme a distribuição abaixo:

Alturas (cm)

Indivíduos ( f i )

150

150 160 5

160

5

160

170

10

170

180

20

180

190

10

190

200

5

 

Total

50

Então o método mais fácil é considerar duas colunas, dos

pontos médios

( X i ) e do produto do ponto médio pela

freqüência absoluta ( X i f i ), isto é,

 

Classe

f

i

X

i

X

i f i

150

150 160 5 155   775

160

5

155

 

775

160

170

10

165

1.650

170

180

20

175

3.500

180

190

10

185

1.850

190

200

5

195

 

975

 

Total

50

X

8.750

Professor Joselias Santos da Silva

Estatística

Temos, então:

X f = 8.750 e f = 50, logo i i i X ◊ f
X f
=
8.750
e
f
=
50, logo
i
i
i
X
f
i
i
8.750
X
=
X
=
X
=
175 cm
50
f
i

Exemplo 14:

Considere os salários de 100 funcionários de uma empre- sa, conforme a distribuição abaixo:

Salários Mínimos ( S.M.)

Funcionários ( f i )

0

0 2 20

2

20

2

4

40

4

6

20

6

8

15

8

10

5

 

Total

100

Considerando então mais duas colunas, dos pontos médi- os (X i ) e do produto do ponto médio pela freqüência abso- luta ( X i f i ), temos:

Classe (SM)

 

f

i

   

X

i

X

i f i

0

0 2   20       1   20

2

 

20

     

1

 

20

2

4

40

3

120

4

6

20

5

100

6

8

15

7

105

8

10

 

5

9

 

45

 

Total

 

100

     

390

X f

i

i

=

390

e

f

i

=

100,

logo

Temos, então:

X ◊ f i i 390 X = X = 100 f i
X
f
i
i
390
X
=
X
=
100
f
i

X

= 3,9 salários mínimos

3.3.3 –

PROCESSO BREVE PARA CÁLCULO DA MÉDIA ARITMÉTICA

Como geralmente o cálculo da média aritmética em distri- buição de freqüência por classe é trabalhoso, inventaram um processo, que consiste em mudar a variável original X por outro Y, de modo que obedeça a seguinte relação:

Y

i

=

X

i

X

0

h

Onde X 0 é uma constante arbitrária escolhida convenien- temente entre os valores dos pontos médios, geralmente o da classe que possui a maior freqüência. Através da re- lação acima podemos chegar a seguinte fórmula:

( ) Y i ◊ f i h X = X 0 + f i
(
)
Y i
◊ f i
h
X
=
X
0 +
f
i

Exemplo 15:

Vamos considerar o exemplo 13

Alturas (cm)

Indivíduos ( f i )

X

i

150

150 160 5 155

160

5

155

160

170

10

165

170

180

20

175

180

190

10

185

190

200

5

195

 

Total

50

 

Observando a coluna de pontos médios (X i ), temos que o ponto médio da classe de maior freqüência é o valor 175, portanto X 0 = 175 e h = 10 (intervalo de classe). Logo os

valores de Y i , serão: X X 155 175 1 0 Y = =
valores de Y i , serão:
X
X
155
175
1
0
Y
= =
Y
1
1
h
10
X
X
165
175
2
0
Y
= =
Y
2
2
h
10
X
X
175
175
3
0
Y
= =
Y
3
3
h
10
X
X
185
175
4
0
Y
= =
Y
4
4
h
10
X
X
195
175
5
0
Y
= =
Y
5
5
h
10
Y 1 2 = Y = 1 2 Y = 0 3 Y = 1
Y 1 2
=
Y
=
1
2
Y
=
0
3
Y
=
1
4
Y
=
2
5

Logo, vamos construir a tabela de cálculos

 

Classes

f

i

X

i

Y

i

X

i f i

150

150 160 5 155 –2 –10

160

5

155

–2

–10

160

170

10

165

–1

–10

170

180

20

175

0

 

0

180

190

10

185

1

10

190

200

5

195

2

10

 

Total

50

     

0

Estatística

Professor Joselias Santos da Silva

Temos, então:

X = 175 Y ◊ f = 0 f i = 50 0 i i
X
= 175
Y
f
=
0 f
i = 50
0
i
i
(
f
)
Y ◊
h
i
i
0
X
=
X
+
X
=
175
+
0
50
f
i
X
= 175 cm

Exemplo 16:

Consideremos o exemplo 14:

Classe (SM)

f

i

X

i

0

2

20

1

2

4

40

3

4

6

20

5

6

8

15

7

8

10

 

5

9

 

Total

100

X

Analogamente teremos X 0 = 3, h = 2

Y

1

Y

2

Y

3

Y

4

Y

5

X X 1 3 1 0 = = Y 1 h 2 X X 3
X
X
1
3
1
0
= =
Y
1
h
2
X
X
3
3
2
0
= =
Y
2
h
2
X
X
5
3
3
0
= =
Y
3
h
2
X
X
7
3
4
0
= =
Y
4
h
2
X
X
9
3
5
0
= =
Y
5
h
2
Y = 1 1 Y = 0 2 Y = 1 3 Y = 2
Y
=
1
1
Y
=
0
2
Y
=
1
3
Y
=
2
4
Y
=
3
5

Construindo a tabela de cálculo temos:

Classes (SM)

f

i

X

i

Y

i

X

i f i

0

2

20

1

–1

–20

2

4

40

3

0

 

0

4

6

20

5

1

20

6

8

15

7

2

30

8

10

 

5

9

3

15

 

Total

100

   

45

( ) Y ◊ f h i i X = X 0 + f i
(
)
Y ◊
f
h
i
i
X
=
X
0 +
f
i
h
=
2,
f
)
Como : X
= 3,
(
Y
=
45,
f i = 100
0
i
i
45
2
90
Temos : X
=
3
+
X
=
3
+
100 100
X
=
3
+
0,9
X
= 3,9 salários mínimos

OBSERVAÇÕES IMPORTANTES SOBRE A MÉDIA ARITMÉTICA

1) A média sofre influência de valores extremos (peque-

nos ou grandes) da distribuição.

2)

Quanto à propriedade 1, observe que a soma dos des- vios em relação à média aritmética tem a seguinte no-

tação:

d i = 0 ou (X i X ) = 0 para dados não agrupados.

d i f i = 0 ou (X i X ) f i = 0 para dados agrupados.

3) O processo breve pode ser usado no caso dos dados não estarem agrupados em uma distribuição de fre-

qüência por classe, basta fazer h = 1.

4) A média aritmética representa o centro de massa dos

dados.

5) A média aritmética, no caso de dados agrupados, é a

média ponderada pelas freqüências absolutas.

Professor Joselias Santos da Silva

Estatística

Capítulo 4

MODA (M O )

Chamamos de moda o valor ou atributo que ocorre com maior freqüência em uma distribuição.

Por exemplo, a nota modal dos alunos de um concurso é a nota mais comum, isto é, a nota que a maioria dos alunos obtiveram.

Quando temos série de valores não agrupados, a moda é facilmente encontrada, pois pela definição, basta encon- trar o valor que mais se repete.

Exemplo 17

4, 2, 6, 4, 3, 5, 7, 9, 4, 10, 8, 4, 3, 2, 4 Mo = 4. (unimodal)

Exemplo 18

3, 2, 3, 4, 5, 3, 4, 2, 3, 2, 5, 2. Neste caso são dois valores (2 e 3) que mais se repe- tem, e na mesma quantidade. Portanto, dizemos que a distribuição possui duas mo- das iguais a 2 e 3, e chamamos de bimodal.

Exemplo 18.1

1, 2, 3, Mo = 1

0,

7, 3,

Mo = 2

Exemplo 18.2

2, 5,

1, 9,

15

Mo = 3 (multimodal)

2, 0, 1, 3, 4, 15, 7 Não existe Moda (amodal)

4.2.1 –

MODA PARA DADOS AGRUPADOS EM UMA DISTRIBUIÇÃO DE FREQÜÊNCIA.

Quando os dados estiverem agrupados em uma distribui- ção de freqüência de valores, para acharmos a moda bas- ta observar qual é o valor da variável que possui a maior freqüência.

Exemplo 19

Vamos considerar a distribuição do exemplo 11.

Número de filhos (X i )

Alunos ( f i )

0

5

1

10

2

20

3

10

4

5

Observamos que o valor 2 filhos possui a maior freqüência (20), logo a moda é 2 filhos

Exemplo 20

Vamos considerar a distribuição do exemplo 12.

Notas (X i )

Alunos ( f i )

2

15

4

18

6

47

8

15

9

5

Observamos que o valor da nota 6 possui a maior freqüên- cia (47), portanto a nota modal é 6.

4.2.2 —

MODA PARA DADOS AGRUPADOS EM UMA DISTRIBUIÇÃO DE FREQÜÊNCIA POR CLASSE

Quando os dados estiverem agrupados em distribuição de freqüência por classe, a moda estará evidentemente na classe que possui a maior freqüência (classe modal).

Se os dados forem agrupados em classe, perdemos o co- nhecimento dos dados e os respectivos cálculos da mé- dia, da moda e da mediana, nesse caso, fazemos uma estimativa entre os limites inferiores e superiores da clas- se da mesma.

No caso da moda, existem 3 métodos de cálculo da moda:

a) MODA BRUTA

Chamaremos de moda bruta ao ponto médio da classe modal (classe que contém a maior freqüência).

Sendo assim teremos uma fórmula para a moda bruta:

M 0

=

* *

i + L

2

onde: i * — limite inferior da classe modal

L* — limite superior da classe modal

Exemplo 21

Vamos considerar a distribuição do exemplo 13

Alturas (cm)

Indivíduos (f i )

150

160

5

160

170

10

170

180

20

180

190

10

190

200

5

Estatística

Professor Joselias Santos da Silva

Temos que a classe modal é a classe 170 180, logo Então, temos: i *
Temos que a classe modal é a classe 170
180, logo
Então, temos:
i * = 170
e L* = 180 e a moda bruta será:
Classe modal: 170
180
*
+ L*
i
170
+
180
=
M
=
M
=
175 cm
M 0
0
0
i * = 170,
h* = 180 –170 = 10
2
2
f max = 20,
f ant = 10
f pos =10
Exemplo 22
logo:
Vamos considerar a distribuição do exemplo 14
[
]
f
f
◊ h*
Salários Mínimos (SM)
Funcionários (f i )
=
*
max
ant
M
0
i +
0
2
20
[
]
[
]
f
f
+
f
f
max
ant
max
post
2
4
40
[
]
20
10
◊ 10
4
6
20
M
= 170
+
0
[
6
20
10
][
8
15
+
20
10
]
8
10
5
10
10
M
=
170
+
M
=
170
+
5
M
=
175 cm
0
0
0
10
+
10
logo, classe modal: 2
4 i * = 2
L* = 4
2
+ 4
Moda bruta:
M
=
M
=
3 salários mínimos
Exemplo 24
0
0
2
Vamos considerar a distribuição do exemplo 14
b) MODA DE CZUBER
Salários Mínimos (SM)
Funcionários (f i )
Trata-se que uma estimativa, na classe modal, através de
uma regra de três, que resulta na seguinte fórmula:
0
2
20
2
4
40
4
6
20
]
6
8
15
f
f
h*
* [
max
ant
8
10
5
M
0 =
i +
[
]
[
]
f
f
+
f
f
max
ant
max
post
Classe modal: 2
4
onde: i *
– é o limite inferior da classe modal
i *= 2
f max – é a freqüência absoluta máxima (freqüência de
classe modal)
h*
= 4 – 2 = 2
f max = 40
f
ant
– é a freqüência absoluta anterior à classe
modal
f ant = 20
f
= 20
f post – é a freqüência posterior à classe modal
post
h*
– intervalo da classe modal
[
]
f
f
h*
*
max
ant
M
=
+
0
i
Exemplo 23
[
]
[
]
f
f
+
f
f
max
ant
max
post
Vamos considerar a distribuição do exemplo 13.
[
]
40
20
2
M
=
2
+
0
Alturas (cm)
Indivíduos (f i )
[
40
20
][
+
40
20
]
150
160
5
M
3 salários mínimos
0 =
160
170
10
170
180
20
180
190
10
190
200
5

Professor Joselias Santos da Silva

Estatística

c) MODA DE KING

A fórmula da moda de King é também uma estimativa na classe modal, mas não considera a freqüência absoluta da classe modal.

M

0

=

*

i

+

f

post

h

*

post

f

ant

+ f

Exemplo 25

Considerando os dados do exemplo 13 temos:

i *= 170

h*

=

10

f ant =

10

f post = 10

M

M

0

0

=

=

* f

i

+

170

h

*

post

+

f

ant

+ f

10 10

post

M

10

+

10

0

=

175 cm

Podemos determinar graficamente a posição da moda no histograma da distribuição de freqüência absoluta, como veremos a seguir.

a) MODA BRUTA

freqüências A B i * ≠ L* classes
freqüências
A
B
i *
≠ L*
classes

Moda bruta (M o )

Para achar a moda bruta no histograma acima basta des- cer uma perpendicular, a partir do ponto médio do seg- mento AB, ao eixo horizontal das classes.

b) MODA CZUBER

freqüências A B D C L* i * Classes Moda de Czuber
freqüências
A
B
D
C
L*
i *
Classes
Moda de Czuber

Para achar a moda de Czuber no histograma acima, basta descer uma perpendicular, a partir da intersecção dos seg- mentos AD e CB, ao eixo horizontal das classes.

c) MODA DE KING

freqüências A B D D` C L* Classes i * C´ Moda de King
freqüências
A
B
D
D`
C
L*
Classes
i *
Moda de King

Para achar a moda de King no histograma acima, basta

unir os pontos

horizontal, onde D i * = DL* e L*C= C i *

D’C’ e verificar a intersecção com o eixo

Na curva de freqüência, a moda será o valor que corresponde, no eixo horizontal, ao ponto de freqüência máxima (vertical).

f UNIMODAL (UMA MODA) x M o
f
UNIMODAL
(UMA MODA)
x
M o

Estatística

Professor Joselias Santos da Silva

f BIMODAL (DUAS MODAS) x M 01 M 02 X = Md ---
f
BIMODAL
(DUAS MODAS)
x
M 01
M 02
X = Md
---
MULTIMODAL x M o1 M o2 M o3 X = Md
MULTIMODAL
x
M o1
M o2
M o3
X = Md
M 02 X = Md --- MULTIMODAL x M o1 M o2 M o3 X =

f

ANTIMODAL ou AMODAL

f ANTIMODAL ou AMODAL

x

OBS.:

1. Em uma distribuição simétrica e unimodal a Média Arit- mética é igual a moda e igual a Mediana.

2. Em uma distribuição simétrica e bimodal apenas a Média Artimética e a Mediana são iguais.

3. Em uma distribuição simétrica e multimodal a Média Artimética e a Mediana são iguais e coincidem apenas como uma das modas.

Capítulo 5

MEDIANA (MD)

A mediana é outra medida de posição, que representa o

valor que divide a distribuição em dois conjuntos com o mesmo número de elementos.